简易版建图/定位 Simple-ndt-Slam

English version on readme, please check on personal website: projects/simple_ndt_slam ; Update: download test Kitti dataset bag: onedrive link: kitti_sequence11_half.bag and follow building steps, modify the bag path in ndt_mapping_kitti.launch and roslaunch it.

主要从autoware.ai 1.14版本core_perception 抽取并重构 速度上得到了一定的提升 仅留下与slam相关代码 较为简洁 容易部署版并拿到odom；已测试平台 1x1m 小车（Velodyne-16），机器狗（Robosense-16）主要注意topic name对应即可使用

测试系统：

• Ubuntu 20.04 ROS noetic
• Ubuntu 18.04 ROS melodic
• Ubuntu 16.04 ROS kinetic

测试截图：

使用说明

Option: docker

image pull/build

推荐使用 这样就不用担心自己的环境了

docker pull zhangkin/simple_ndt

或者docker build也行 注意把dockerfile 复制一下 然后build

docker build -t zhangkin/simple_ndt .

run container

docker run -it --net=host --name ndt_slam zhangkin/simple_ndt /bin/zsh
cd src && git pull && cd ..
catkin build -DCMAKE_BUILD_TYPE=Release
roscore

# 另开一个终端
docker exec -it ndt_slam /bin/zsh
source devel/setup.zsh
roslaunch lidar_localizer ndt_mapping_docker.launch

然后在自身系统正常播包即可，如下图所示

拉取 && 编译

注意，如果使用的是docker内无需进行pull操作 直接编译即可

mkdir -p ~/workspace/mapping_ws/src
cd ~/workspace/mapping_ws/src
git clone --recurse-submodules https://github.com/Kin-Zhang/simple_ndt_slam

安装相关依赖（一些ROS包和glog）

cd simple_ndt_slam
sudo chmod +x ./assets/scripts/setup_lib.sh
./assets/scripts/setup_lib.sh

最后编译 然后经过如下调整相关topic name，参数 和bag包路径设置即可直接运行

cd ~/workspace/mapping_ws
catkin build -DCMAKE_BUILD_TYPE=Release
source devel/setup.zsh
roslaunch lidar_localizer ndt_mapping.launch

调参

1. 首先检查数据包有激光雷达信息，sensor_msgs/PointCloud2 格式

   rosbag info xxx.bag
   
   # ======== 示例输出 ======= topics名字可在config内修改 无需提前规定
   types:       sensor_msgs/PointCloud2 [xxx]
   topics:      /velodyne_points     5359 msgs    : sensor_msgs/PointCloud2

   打开src/packages/lidar_localizer/config/ndt_mapping.yaml 配置文件，修改

   lidar_topic: "/velodyne_points"

2. 需要根据不同的建图场景进行调节，主要调节计入的最大最小距离等

   # Ignore points closer than this value (meters) (default 5.0)
   min_scan_range: 1.0
   # Ignore points far than this value (meters) (default 200.0)
   max_scan_range: 50.0
   # Minimum distance between points to be added to the final map (default 1.0)
   min_add_scan_shift: 0.5

3. 如果无需建图，可开启保存一定数量的点云进行运算，把旧时刻的清除

   save_frame_point: 10

在 Launch 中可以直接play bag，请修改路径即可

source ~/workspace/mapping_ws/devel/setup.zsh
roslaunch lidar_localizer ndt_mapping.launch

如需要保存建图结果的pcd, 请暂停bag包（因为map资源会lock住），再开一个终端并运行：

rosservice call /save_map '/home/kin/bags/autoware/cones_people.pcd' 0.0
rosservice call /save_map '/home/kin/ri_dog.pcd' 0.2 # save around 20cm filter voxel

如图所示：

博文及视频补充

相关参数介绍均在博客中进行了详细介绍：

1. CSDN: 【Autoware】之ndt_mapping理论公式及代码对比

   这篇全文比较长，如果想简单使用而已，可以直接点链接看参数即可

相关使用视频：

1. Autoware原装GUI配合使用 bilibili
2. 此分支安装及使用视频

后续继续补充时，也会更新相关博文或视频进行说明

计划

1. 参考开源包，后续加入回环（g2o/gtsam方式）
2. 做一个建图的GUI以方便大家使用，提供安装包直接安装 无需源码编译版

Acknowledgement

• Style Formate: https://github.com/ethz-asl/linter

  cd $YOUR_REPO
  init_linter_git_hooks # install
  linter_check_all # run
  
  init_linter_git_hooks --remove # remove

• Autoware.ai core_perception: core_perception